基于BP神经网络的贴片机运动精度控制

将BP神经网络PID控制方法应用于贴片机运动精度控制器设计;针对传统PID控制器参数难以整定等问题,提出了BP神经网络和PID控制器相结合的方法,该方法既有常规PID控制器结构简单的特点,又有BP神经网络自适应、自学习以及逼近任意函数的能力;首先根据伺服电动机的工作原理建立了电枢控制伺服电动机模型传递函数,在此基础上建立了贴片机单关节轴位置控制器模型传递函数;其次描述了BP神经网络和PID控制器相结合的控制模型,并对具体的控制算法进行了定义;最后利用MATLAB仿真工具对贴片机单关节位置控制进行了仿真;仿真结果表明,结合BP神经网络的PID控制系统提高了系统的稳定性、快速性和动态性能并获得很好的控制效果。     

神经PID在地源热泵空调系统中的应用

针对地源热泵空调系统被控对象具有大滞后、慢时变、非线性特点及不确定干扰因素多的实际情况,结合常规PID和神经网络的优点,提出了一种基于BP神经网络的PID控制器设计方法,并应用于该空调系统中。仿真结果表明,该方法可以显著改善系统的动态性能和控制精度,实现了PID控制参数的在线动态调整,取得了良好的控制效果。     

一种神经网络PID控制在燃料电池测试系统中的应用研究

对燃料电池测试系统中露点加湿器的温度控制进行研究,提出了一种用BP神经网络进行参数整定、积分分离的PID控制算法.利用神经网络的任意非线性表达能力,通过对系统的学习来调整PID参数,实现最优的PID控制.通过在实际燃料电池测试系统中的实验表明,这一算法实现的PID控制系统控制稳态好、过冲小、收敛快.     

小潜艇供电系统全桥DC-DC开关电源智能优化设计

小型潜艇水下潜行采用蓄电池供电,通过全电力供电系统推进.以蓄电池为直流电源,在推进系统正常运转的状况下,开关电源电压输出值保持恒定;传统的PID控制器很难对全桥DC-DC开关电源进行精确控制,因此,将粒子群算法(PSO)、BP神经网络与径向基函数(RBF)神经网络与传统PID控制相结合,提出带有RBF神经网络辨识的PSO BP-PID控制方法;通过神经网络在线自学习对PID3个参数在线调整,最终实现系统恒电压输出控制;仿真结果得出:带有RBF神经网络辨识的PSO-BP PID控制算法可以很大的改善系统控制效果,同时使系统具有更好的在线调整能力.     

神经网络在锅炉内胆水温定值控制系统中的应用

以锅炉内胆水温定值控制系统为研究对象,提出了一种基于BP网络整定的PID控制方法并与数字PID相比较。由于神经网络所具有的任意非线性表达能力,对复杂不确定问题具有自适应和自学习能力等一系列的特点,可以通过对系统性能的学习来实现具有最佳组合的PID控制。以控制结果显示了以此方法整定的PID控制系统逼近精度更高,鲁棒性好。     

PID控制器参数优化算法的仿真研究

研究PID控制器参数优化问题,现代控制对象具有复杂非线性、时变性特点,引起系统的输出品质特性差,超调大稳定性时间长,控制精度差等.传统PID控制是针对线性控制系统提出的,控制精度比较低.为了提高PID控制精度,基于神经网络提出PID控制器参数自适应优化方法.通过将系统控制偏差和PID控制器的3个参数作为神经网络的输入,最优控制性能作为优化目标,通过神经网络自身学习和加权系数调整,获得最优控制性能的PID控制器参数.仿真结果表明,神经网络的PID控制方法提高了系统控制精度,系统响应速度更快,具有很强的自适应性和鲁棒性,为优化控制系统提供了参考.     

基于改进PID的核算机器人机械臂控制研究

针对机器人机械臂的控制研究,提出一种基于改进PID的核算控制系统进行设计,即结合BP神经网络的PID闭环运动控制系统。首先,提出了PID核算机器人机械臂整体的控制思路,其次,阐述了BP神经网络PID闭环运动控制系统的控制原理以及神经网络,然后,对机器人机械臂运动控制部分整体的框架进行设计;之后,通过仿真平台,分别对BP神经网络PID运动控制算法以及闭环运动控制系统进行测试验证,结果表明BP神经网络PID闭环运动控制系统的响应速度更快,且具有更高的稳定性;最后,分别采用两种控制系统对实验机械臂进行控制实验,对比结果表明,BP神经网络PID闭环运动控制系统对获取目标物的时间更短更迅速,且成功率高达95%。     

直流电机调速系统仿真研究

研究无刷直流电机神经网络的PID控制.针对传统的双闭环PID控制器对控制参数难以适应,抗干扰能力差,对无刷直流电机进行控制时速度较慢、稳定性较差的缺点,为解决上述问题,提出了一种改进的BP网络PID控制的直流电机调速系统.首先确定改进的BP网络的结构,计算BP网络各层输入和输出,再选择增量式数字PID控制算法,计算控制器的输出,对PID控制参数进行自适应修改从而对直流电机进行调速.仿真结果表明,在提高调速系统的稳定性、响应速度、参数适应性和鲁棒性,同时根据对象输出的变化实时调整参数,改善了系统控制存在的稳态精度不高的问题.     

基于PID神经网络的非线性动态系统控制

基于PID神经网络的控制器可以完成变量的单输入-单输出非线性系统的任务.该控制器采用BP(误差反向传播)算法来修正连接权重值,通过在线训练和学习,使目标函数到达最优值.充分利用了BP神经网络算法逼近任意连续有界非线性函数的能力,显示了神经网络在解决非线性系统方面的潜能.为了达到控制的目的,和其他非线性建模技术相比较,PID神经网络有几个明确的优点和它独特的用法相一致.仿真结果表明,在对非线性动态系统控制时,基于PID神经网络的控制系统具有很强的灵活和高效性,能取得良好的控制效果.     

船舶襟翼舵神经网络控制伺服系统

为了解决船舶襟翼舵在复杂的、非线性、不确定的海域环境中的高精度位置控制问题,将神经网络应用在伺服系统中充当控制器与辨识器,通过设计的神经网络PID控制器,使船舶位置伺服控制系统具有高稳定性,及鲁棒性好的特点,且具有要求的动态和静态性能。针对无刷直流力矩电机做了神经网络PID控制系统仿真,并与PID控制做了比较。仿真结果表明了神经网络PID(NN-PID)优越的动态和静态性能。